Satya Nadella：微软如何为 AGI 做准备
原文：Satya Nadella — How Microsoft is preparing for AGI
访谈正文
作为本次访谈的一部分，Satya Nadella 让 Dylan Patel（SemiAnalysis 创始人）和我独家抢先一睹他们全新的 Fairwater 2 数据中心。
微软正在建造多个 Fairwater，每一个都拥有数十万块 GB200 和 GB300。在这些相互连接的建筑之间，它们将拥有超过 2 GW 的总容量。仅作参照，即便这些 Fairwater 建筑中的单独一栋，也比目前存在的任何其他 AI 数据中心都更强大。
随后 Satya 回答了一系列问题，涉及微软如何在技术栈的各个层面为 AGI 做准备。
在 YouTube 上观看；在 Apple Podcasts 或 Spotify 上收听。
访谈实录
Fairwater 2
Dwarkesh Patel：
今天我们采访的是 Satya Nadella。“我们”指的是我和 Dylan Patel，他是 SemiAnalysis 的创始人。Satya，欢迎。
Satya Nadella：
谢谢。太好了。感谢你们来到亚特兰大。
Dwarkesh Patel：
谢谢你带我们参观这座新设施。能亲眼看到真的很酷。
Satya Nadella：
当然。
Dwarkesh Patel：
Satya 和 Scott Guthrie——微软云与 AI 执行副总裁——带我们参观了他们全新的 Fairwater 2 数据中心，这是目前世界上最强大的数据中心。
Scott Guthrie：
我们一直试图每 18 到 24 个月将训练容量提升 10 倍。所以这实际上相当于比 GPT-5 训练所用的算力提升了 10 倍。打个比方，就光模块数量而言，这栋建筑里的网络光模块几乎相当于两年半前我们所有数据中心里整个 Azure 的总和。
Satya Nadella：
它大约有五百万个网络连接。
Dwarkesh Patel：
你们在一个区域内不同站点之间，以及两个区域之间，都有这么大的带宽。所以这算不算是在押注未来的扩展，即你预期未来会出现某个巨型模型，需要两个完全不同的区域来训练？
Satya Nadella：
目标是能够把这些 flops 聚合起来用于一个大型训练任务，然后把这些东西跨站点组合在一起。现实情况是，你会用它来训练，然后你会用它来做数据生成，你会以各种方式用它来做推理。并不是说它会永远只用于一种工作负载。
Scott Guthrie：
Fairwater 4——你们接下来会看到它在附近建设中——也将接入那张 1 petabit 的网络，这样我们实际上就能以非常高的速率把两者连接起来。然后我们通过 AI WAN 连接到密尔沃基，那里还有多个 Fairwater 正在建设中。
Satya Nadella：
你实际上可以看到模型并行和数据并行。它基本上就是为这个园区内的训练任务、超级集群而建的。然后借助 WAN，你可以连接到威斯康星的数据中心。你实际上可以运行一个训练任务，把它们全部聚合起来。
Scott Guthrie：
我们现在看到的这个单元里还没有服务器，也没有机架。
Dylan Patel：
一个单元里有多少个机架？
Scott Guthrie：
这个我们本身不一定分享，不过……
Dylan Patel：
这就是我问的原因。
Scott Guthrie：
你上楼就会看到了。
Dylan Patel：
那我就开始数了。
Scott Guthrie：
你可以开始数。我们就让你开始数。
Dylan Patel：
这栋建筑里有多少个单元？
Scott Guthrie：
这个我也不能告诉你。
Dwarkesh Patel：
嗯，做除法很简单，对吧？
Satya Nadella：
天哪，这里真吵。
Dwarkesh Patel：
你看着这一切，会不会想：“现在我知道我的钱都花到哪儿去了。”
Satya Nadella：
感觉就像：“我经营一家软件公司。欢迎来到这家软件公司。”
Dwarkesh Patel：
一旦你决定使用 GB200 和 NVLink，设计空间还有多大？还有多少其他决策要做？
Satya Nadella：
从模型架构到什么样的物理布局是最优的，这之间是耦合的。从这个意义上说，这也挺吓人的，因为会有新芯片问世。就拿 Vera Rubin Ultra 来说。它的功率密度会截然不同，冷却需求也会截然不同。所以你不能只按一种规格来建造所有东西。这又回到我们接下来要谈的话题，也就是你希望随时间不断扩展，而不是扩展一次然后就被困在那里。
AGI 的商业模式
Dylan Patel：
当你回顾过去所有的技术转型——无论是铁路、互联网，还是可互换零件、工业化、云，所有这些——每一次革命从技术被发现到规模化并渗透整个经济，所需的时间都变得越来越短。许多上过 Dwarkesh 播客的人都认为这是最后一次技术革命或转型，而且这一次非常非常不同。
至少到目前为止，在市场层面，三年内我们已经一路飙升到超大规模云厂商明年将投入 5000 亿美元资本支出，就速度而言，这个规模是此前任何革命都无法比拟的。终局似乎相当不同。你对这件事的框架，似乎和我所称的那种“AI 兄弟”很不一样，他们会说：“AGI 要来了。”我想更深入地理解这一点。
Satya Nadella：
我首先也感到兴奋，我也认同这样一种想法：也许在工业革命之后，这是最重大的事情。我从这个前提出发。但与此同时，我也比较清醒地认识到，这仍然处于早期阶段。我们已经构建了一些非常有用的东西，我们看到了一些很好的特性，这些扩展定律似乎正在起作用。我乐观地认为它们会继续起作用。其中一些确实需要真正的科学突破，但也有很多是工程问题等等。
话虽如此，我也倾向于认为，即便是过去 70 年计算领域发生的一切，也是一场帮助我们前进的进程。我喜欢 Raj Reddy 关于 AI 是什么的一个比喻。他是 CMU 的图灵奖得主。甚至在 AGI 之前，他就有了这个关于 AI 的比喻：它要么应该是守护天使，要么应该是认知放大器。我很喜欢这个说法。这是思考这件事是什么的一种简单方式。归根结底，它的人类效用是什么？它将成为认知放大器和守护天使。如果我这样看待它，我就把它看作一种工具。
但你也可以非常神秘地看待它，说这不仅仅是一种工具。它能做所有这些事情，而在此之前只有人类才能做。但过去许多技术也是如此。很多事只有人类能做，然后我们有了工具来做这些事。
Dwarkesh Patel：
我们不必纠结于这里的定义，但一种思考方式是，也许需要五年、十年、二十年。到了某个时候，最终会有一台机器在生产 Satya 词元，而微软董事会认为 Satya 词元价值很高。
Dylan Patel：
你采访 Satya 浪费了多少这种经济价值？
Dwarkesh Patel：
我可付不起 Satya 词元的 API 费用。不管你怎么称呼它，Satya 词元是一种工具还是智能体，随便吧。现在，如果你的模型成本大约是每百万词元几美元或几美分，那么这里就有巨大的利润扩张空间，因为一百万 Satya 词元价值很高。我的问题是，这部分利润流向哪里，微软参与其中的程度有多大。
Satya Nadella：
从某种意义上说，这又回到了本质上：经济增长图景究竟会是什么样？企业会是什么样？生产率会是什么样？对我来说，这又回到了——如果工业革命创造了……是在扩散 70 年之后，你才开始看到经济增长。这是另一件要记住的事。即便这一次技术扩散得很快，要出现真正的经济增长，它也必须扩散到工作、工作产物和工作流程都必须改变的程度。所以我认为，企业要真正改变所需进行的变革管理，是我们不应低估的一点。
展望未来，人类以及他们产生的词元是否会获得更高的杠杆，无论是未来的 Dwarkesh 词元还是 Dylan 词元？想想技术的量级。没有技术，你能运营 SemiAnalysis 或这档播客吗？绝无可能，以你已经能够达到的规模，绝无可能。
所以问题是，那个规模是什么？它会不会因为某种出现的东西而扩大 10 倍？绝对会。因此，无论你是被拉升到某个收入数字，还是被拉升到某个受众数字，或者别的什么，我认为这就是将要发生的事。关键在于，工业革命花了 70 年、也许是 150 年才发生的事，可能会在 20 年、25 年内发生。如果运气好的话，我很乐意把工业革命 200 年间发生的事压缩到 20 年。
Dylan Patel：
微软历史上也许是世界上最伟大的软件公司，最大的软件即服务公司。你们过去经历过一次转型，那时你们卖的是 Windows 许可证和 Windows 或 Microsoft 的光盘，而现在你们卖的是 365 订阅。
当我们从那一次转型走到你们业务今天所在的位置时，在那之后还有另一次转型正在进行。软件即服务的每用户增量成本极低。有大量研发，有大量客户获取成本。这大概就是为什么，不是微软，而是 SaaS 公司在市场上表现大幅落后，因为 AI 的 COGS 实在太高了，而这完全打破了这些商业模式的运作方式。
作为也许是最伟大的软件即服务公司，你如何把微软转型到这个 COGS 很重要、每用户增量成本也不同的新时代？因为现在你们的收费方式像是：“嘿，Copilot 20 美元。”
Satya Nadella：
这是个很好的问题，因为在某种意义上，就商业模式本身而言，杠杆仍将类似。如果你看从消费者一路开始的模式菜单，会有某种广告单元，会有某种交易，对于制造 AI 设备的人来说会有某种设备毛利。会有消费者和企业订阅，然后还会有消费量。所以我仍然认为这些都是计量表。
正如你所说，什么是订阅？到目前为止，人们喜欢订阅是因为他们可以为之做预算。它们本质上是封装在订阅中的某些消费权利的权益。所以我认为，从某种意义上说，这变成了一个定价决策。你被赋予多少消费权利，如果你看所有编码订阅，大致就是如此，对吧？然后你有专业版、标准版，诸如此类。所以我认为，定价和利润结构就会这样分层。
有趣的是，在微软，对我们来说好消息是我们在所有这些计量表上都有业务。在投资组合层面，我们几乎拥有消费量、订阅，以及所有其他消费者杠杆。我认为时间会告诉我们，这些模式中哪些在哪些类别中说得通。
关于 SaaS 方面，既然你提到了，有一点我想得很多。拿 Office 365 或 Microsoft 365 来说。拥有低 ARPU 是好事，因为这里有个有趣的事。在从服务器到云的转型期间，我们过去常问自己的一个问题是：“天哪，如果我们所做的只是基本上把当时使用我们 Office 许可证和 Office 服务器的同一批用户搬到云上，而我们又有 COGS，这不仅会缩小我们的利润率，而且我们从根本上会变成一家利润更低的公司。”
但实际发生的是，向云的迁移疯狂地扩大了市场。我们在印度卖了几台服务器，卖得不多。而在云上，突然之间印度的每个人也能负担得起按比例购买服务器、购买 IT 成本。事实上，例如我此前没有意识到的最大的事，是人们在 SharePoint 底下购买存储所花的钱。事实上，EMC 最大的业务板块可能就是用于 SharePoint 的存储服务器。所有这一切在云上基本都消失了，因为没有人必须去买。事实上，那是营运资本，也就是说，基本上是现金流流出。所以它大规模地扩大了市场。
所以 AI 这件事也会是这样。如果你拿编码来说，我们几十年来用 GitHub 和 VS Code 构建的东西，突然之间编码助手在一年内就变得那么大。我认为这也会是将会发生的事，也就是市场大规模扩张。
Copilot
Dwarkesh Patel：
有一个问题是，市场会扩张，但那些触及微软的收入部分会扩张吗？Copilot 就是一个例子。如果你看今年早些时候，根据 Dylan 的数据，GitHub Copilot 的收入大约是 5 亿美元左右，而且当时没有接近的竞争对手。而现在，你有 Claude Code、Cursor，以及收入大致相近的 Copilot，大约 10 亿美元。Codex 正在追赶，大约 7 亿到 8 亿美元。所以问题是，在微软能够触及的所有界面中，微软那些相当于 Copilot 的产品有什么优势？
Satya Nadella：
顺便说一句，我很喜欢这张图。
我喜欢这张图有很多原因。一是我们仍然位居榜首。二是这里列出的所有公司都是过去四五年里诞生的公司。对我来说，这是最好的迹象。你有新的竞争对手，新的生存问题。当你说，现在是谁？Claude 要杀了你，Cursor 要杀了你，而不是 Borland。谢天谢地。这意味着我们处在正确的方向上。
就是这样。我们从一无所有走到这个规模，这就是市场扩张。这就像云那类东西。从根本上说，编码和 AI 这个类别可能会成为最大的类别之一。它是软件工厂类别。事实上，它可能比知识工作还大。我想对此保持开放心态。
我们将会面临激烈的竞争。这就是你的观点，而且是个很好的观点。但我很高兴我们利用了我们已有的东西走到了这一步，现在我们必须去竞争。在竞争方面，即便是在我们刚刚结束的上一季度，我们做了季度公告，我想我们的订阅用户从 2000 万增长到了 2600 万。我对我们的订阅增长以及这方面的发展方向感觉良好。
但更有趣的事情是，猜猜所有其他那些生成大量代码的公司的所有代码库都去了哪里？它们去了 GitHub。GitHub 在代码库创建、PR 等一切方面都处于历史最高水平。顺便说一句，从某种意义上说，我们想保持它开放。这意味着我们想拥有这一点。我们不想把它与我们自己的增长混为一谈。有趣的是，我们大约每秒有一个开发者加入 GitHub，我想这是那个统计数据。而且其中 80% 的人直接就进入了某种 GitHub Copilot 工作流，因为那里有。顺便说一句，其中许多东西甚至会使用我们的一些代码审查智能体，这些智能体默认开启，只是因为你可以用。我们会有很多很多结构性的机会来做这件事。我们还要做的事，就是我们用 Git 做过的事。GitHub 的原语，从 Git 开始，到 issue，到 actions，这些都是强大而美好的东西，因为它们基本上都围绕你的代码库构建。我们想扩展这一点。
上周在 GitHub Universe，我们大致就是这么做的。我们说 Agent HQ 是我们说要构建的概念性东西。例如，在这里你有一个叫 Mission Control 的东西。你去 Mission Control，现在我可以发号施令。有时我把它描述为所有这些 AI 智能体的有线电视，因为我会把 Codex、Claude、Cognition 的东西、任何人的智能体、Grok，所有这一切都打包进一个订阅里。所以我得到一个套餐，然后我真的可以去发布一个任务并引导它们，这样它们都会在各自独立的分支中工作。我可以监控它们。我认为那将是最大的创新场所之一，因为现在我想能够使用多个智能体。我想能够消化多个智能体的输出。我想能够继续掌控我的代码库。
如果需要构建某种平视显示器，然后让我能快速引导和分诊编码智能体生成的内容，对我来说，这就在 VS Code、GitHub 以及我们将作为 Mission Control 构建的所有这些新原语之间，配上一个控制平面。可观测性……想想所有将要部署这一切的人。它将需要对哪个智能体在什么时间对哪个代码库做了什么进行一整套可观测性。我觉得那就是机会所在。
归根结底，你的观点很有道理，那就是我们最好保持竞争力并创新。如果我们不这样做，我们就会被推翻。但我喜欢这张图，至少只要我们在顶端，即使有竞争。
Dylan Patel：
这里的关键点大致是，无论谁的编码智能体胜出，GitHub 都会持续增长。但这个市场只会以比如 10%、15%、20% 的速度增长，这远高于 GDP。它是一个很棒的复利增长机器。但这些 AI 编码智能体已经从去年年底的比如 5 亿美元年化收入——当时只有 GitHub Copilot——增长到如今，GitHub Copilot、Claude Code、Cursor、Cognition、Windsurf、Replit、OpenAI Codex 等合计的年化收入……今年第4季度这个数字已经达到 50–60 亿美元的年化收入。这是 10 倍。
当你审视软件智能体的 TAM 时，它是你付给人们的 2 万亿美元工资，还是超出那个范围的东西？因为世界上每家公司现在都将能够更多地开发软件？毫无疑问，微软会从中分得一杯羹。但你在仅仅一年内就从接近 100%，或者肯定远高于 50%，变成了低于 25% 的市场份额。人们能有什么信心认为微软会继续赢下去？
Satya Nadella：
Dylan，这要稍微往回说一点，这里没有什么与生俱来的权利，我们不应该有任何信心，只能说我们应该去创新。从某种意义上说，知道我们拥有的幸运突破是，这个品类将会比我们曾经拥有高份额的任何东西都要大得多。让我这样说吧。你可以说我们在 VS Code 中拥有高份额，我们在 GitHub 的代码库中拥有高份额，那是一个不错的市场。但关键是，即使在一个广阔得多的市场中拥有可观的份额……
你可以说我们在客户端-服务器计算中拥有高份额。我们在超大规模计算中的份额比那低得多。但它是不是一个大得多的业务？大了几个数量级。所以至少这证明了，即使我们的份额地位不如从前那么强，只要我们所竞争的市场正在创造更多价值，微软就还行。而且会有多个赢家。就是这样。
但我接受你的观点，归根结底这一切都意味着你必须变得有竞争力。我每个季度都在关注这一点。这就是为什么我对我们在 Agent HQ 上要做的事情非常乐观，把 GitHub 变成一个所有这些智能体都来的地方。正如我所说，我们会在那里有多次射门机会。它不必是……其中一些家伙可以和我们一起成功，所以不必只有一个赢家、一份订阅。
谁的利润率会扩张最多？
Dwarkesh Patel：
我想聚焦这个问题的原因是，这不仅仅关乎 GitHub，而从根本上关乎 Office 以及微软提供的所有其他软件。关于 AI 如何发展，你可以有一种愿景，即模型将继续被束缚，你将需要这种直接可见的、始终存在的可观测性。
另一种愿景是，随着时间的推移，这些现在做需要两分钟任务的模型，将来会做需要 10 分钟、30 分钟的任务。将来，也许它们会自主地做数天的工作。然后模型公司可能会收取数千美元，也许是为了获得一个真正意义上的同事，它可以使用任何 UI 与人类沟通，并在平台之间迁移。
如果我们正在接近那一点，为什么那些越来越赚钱的模型公司不是拿走所有利润的人？为什么脚手架发生的地方——随着 AI 变得更有能力而变得越来越不相关——会那么重要？这就涉及到 Office 现在的样子，与只是做知识工作的同事之间的对比。
Satya Nadella：
这是个很好的观点。所有价值都只迁移到模型吗？还是它在脚手架和模型之间分配？我认为时间会证明。但我的根本观点也是，激励结构会变得清晰。让我们以信息工作为例，或者甚至以编码为例。事实上，我在 GitHub Copilot 中最喜欢的设置之一叫做自动，它会直接优化。事实上我买了一份订阅，自动模式会开始为我要求它做的事情进行挑选和优化。它甚至可以完全自主。它可以在多个模型之间对可用的词元进行套利，以完成一项任务。
如果你接受这个论点，那里的商品将是模型。特别是有了开源模型，你可以选一个检查点，拿一堆你的数据，然后你就能看到它。我认为我们所有人都会开始看到一些内部模型，无论是来自 Cursor 还是来自微软。然后你会把大部分任务卸载给它。
所以一个论点是，如果你赢得了脚手架——今天它要处理所有这些束缚问题或这些智能问题的参差不齐，你多少必须这样做——如果你赢得了它，那么你将垂直整合进模型，仅仅因为你将拥有数据的流动性等等。会有足够多、甚至更多的检查点可用。这是另一件事。
从结构上讲，我认为世界上总会有一个相当有能力的开源模型，只要你有可以与之配合使用的东西，也就是数据和脚手架，你就可以使用它。我可以提出这样的论点：如果你是一家模型公司，你可能会有赢家的诅咒。你可能做了所有艰苦的工作，做了令人难以置信的创新，只是它距离被商品化只有一份拷贝之遥。然后拥有用于接地和上下文工程的数据以及数据流动性的人，就可以拿走那个检查点并训练它。所以我认为两个方向的论点都成立。
Dylan Patel：
拆解你所说的，有两种世界观。一种是外面有那么多不同的模型。开源存在。模型之间会有差异，这会在某种程度上决定谁赢谁不赢。但脚手架才是让你赢的东西。
另一种观点是，实际上，模型才是关键知识产权。每个人都在一场激烈的竞赛中，会有一些“嘿，我可以用 Anthropic 或 OpenAI”。你可以在收入图表中看到这一点。OpenAI 的收入在他们终于有了一个能力与 Anthropic 相似的代码模型后开始飙升，尽管方式不同。
有一种观点认为，模型公司才是攫取所有利润的人。因为如果你看这一年，至少在 Anthropic，他们在推理上的毛利率从远低于 40% 上升到年底的 60% 以上。尽管有比以往更多的中国开源模型，那里的利润率仍在扩张。OpenAI 有竞争力，Google 有竞争力，X/Grok 现在也有竞争力。所有这些公司现在都有竞争力，然而尽管如此，模型层的利润率已经显著扩张。你怎么看这一点？
Satya Nadella：
这是个很好的问题。也许几年前人们会说，“哦，我只要包装一个模型就能建立一家成功的公司。”这大概已经被证伪了，仅仅因为模型能力，尤其是所使用的工具。
但有趣的是，当我看着 Office 365 时，让我们甚至以我们构建的这个叫 Excel Agent 的小东西为例。这很有趣。Excel Agent 不是 UI 层面的包装器。它实际上是一个位于中间层的模型。在这种情况下，因为我们拥有来自 GPT 家族的所有知识产权，我们把它拿来放进 Office 系统的核心中间层，教它原生理解 Excel 意味着什么，理解其中的一切。这不仅仅是，“嘿，我只是有像素级的理解。”我对 Excel 的所有原生工件有完整的理解。因为如果你想想，如果我要给它一些推理任务，我甚至需要修正我犯的推理错误。这意味着我不仅需要看到像素，我还需要能够看到，“哦，我把那个公式弄错了”，我需要理解这一点。
在某种程度上，所有这些都不是在 UI 包装层用某个提示词完成的，而是在中间层通过教会它 Excel 的所有工具来完成的。我本质上是在给它一份 markdown，教它成为一个成熟的 Excel 用户意味着什么、需要哪些技能。很奇怪的是，这又回到了 AI 大脑的问题上。你构建的不只是传统意义上的 Excel 业务逻辑。你是把传统意义上的 Excel 业务逻辑拿来，本质上给它包上一层认知层，使用这个知道如何使用工具的模型。在某种意义上，Excel 将自带一个分析师，以及所有用到的工具。这就是所有人都会去构建的那类东西。
所以即便是模型公司，它们也不得不竞争。如果它们定价过高，你猜怎么着，如果我是这类工具的构建者，我就会替换掉你。我可能会用你一段时间。所以只要有竞争……总会有赢家通吃的情况。如果有一个模型比其他所有模型都好出一大截，是的，那就是赢家通吃。但只要存在竞争、有多个模型，就像超大规模竞争一样，而且还有开源作为制衡，那么在模型之上构建价值就有足够的空间。
在微软，我的看法是，我们将从事超大规模业务，它会支持多个模型。我们将在接下来的七年里继续拥有 OpenAI 模型的访问权，我们会在其之上进行创新。本质上，我认为我们拥有一个前沿级别的模型，可以完全灵活地使用它并在此基础上创新。而且我们会用 MAI 构建自己的模型。所以我们将始终拥有模型层。然后我们会构建——无论是在安全领域、知识工作领域、编程领域还是科学领域——我们自己的应用脚手架，它将是模型优先的。它不会是模型之上的包装器，而是模型被包裹进应用之中。
Dwarkesh Patel:
关于你提到的其他事情，我有太多问题。但在我们进入那些话题之前，我仍然怀疑这是否没有对 AI 能力做前瞻性设想，你想象的模型还是它们今天的样子。它截取你屏幕的截图，但它无法查看每个单元格内部以及公式是什么。我认为这里更好的心智模型就是想象这些模型将能够像人类一样使用计算机。一个使用 Excel 的人类知识工作者可以查看公式，可以使用替代软件，如果必要可以在 Office 365 和另一个软件之间迁移数据，等等。
Satya Nadella:
这正是我想说的。
Dwarkesh Patel:
但如果是这样的话，那么与 Excel 的集成就没那么重要了。
Satya Nadella:
不，不，别担心 Excel 集成。毕竟，Excel 是作为分析师的工具而构建的。很好。所以无论这个作为分析师的 AI 是谁，它都应该有可以使用的工具。
Dwarkesh Patel:
它们有计算机。就像人类可以使用计算机一样。那就是它们的工具。
Satya Nadella:
工具就是计算机。所以我要说的是，我本质上是在构建一个作为 AI 智能体的分析师，它恰好自带如何使用所有这些分析工具的先验知识。
Dwarkesh Patel:
只是为了确保我们在谈论同一件事，这是像我这样的人使用 Excel 的那种情况吗……
Satya Nadella:
不，它是完全自主的。所以我们现在也许应该勾勒一下我认为公司的未来是什么。公司的未来将是工具业务，其中我有计算机，我使用 Excel。事实上，未来我甚至会有 Copilot，那个 Copilot 也会有智能体。但仍然是我在掌控一切，一切都会反馈回来。那是一个世界。
第二个世界是公司直接为一个 AI 智能体配置计算资源，它完全自主地工作。那个完全自主的智能体本质上将拥有一套具身化的、可供它使用的相同工具。所以这个进来的 AI 工具也不仅仅拥有一台裸计算机，因为使用工具来完成任务在词元效率上会更高。
事实上，我有点这样看：我们的业务，今天是一个终端用户工具业务，将本质上变成一个支持智能体工作的基础设施业务。这是另一种思考方式。事实上，我们在 M365 之下构建的所有东西仍然会非常相关。你需要某个地方来存储它，某个地方来做归档，某个地方来做发现，某个地方来管理所有这些活动，即使你是一个 AI 智能体。这是一种新的基础设施。
Dwarkesh Patel:
为了确保我理解正确，你是说理论上一个拥有真正计算机使用能力的未来 AI——所有模型公司现在都在研究这个——即使它没有与微软合作或不在我们的伞下，也可以使用微软软件。但你是说，如果它与我们的基础设施合作，我们会给它们更低层的访问权限，让你更高效地做那些你本来无论如何也能做的事情？
Satya Nadella:
100%。发生的情况是，我们有了服务器，然后有了虚拟化，然后我们有了多得多的服务器。这是另一种思考方式。不要把工具看作终点。人类使用那个工具之下的整个基底是什么？整个基底也是 AI 智能体的引导程序，因为 AI 智能体需要一台计算机。
事实上，我们看到显著增长的一个引人注目的地方是，所有那些在做 Office 工件之类东西的人，作为自主智能体等等，想要配置 Windows 365。他们真的希望能够为这些智能体配置一台计算机。绝对如此。这就是为什么我们将本质上拥有一个终端用户计算基础设施业务，它会持续增长，因为它会比用户数量的增长更快。
这是人们问我的另一个问题之一，“嘿，按用户计费的业务会怎样？”至少早期的迹象也许是，思考按用户计费业务的方式不只是按用户，而是按智能体。如果你说按用户和按智能体，关键是为每个智能体配置什么东西？一台计算机，一套围绕它的安全措施，一个围绕它的身份。所有这些东西，可观测性等等，都是管理层。所有这些都会被融入其中。
Dylan Patel:
框架的方式——至少是我目前思考的方式，我很想听听你的看法——是这些模型公司都在构建环境来训练它们的模型使用 Excel 或亚马逊购物或随便什么，预订航班。但与此同时，它们也在训练这些模型做迁移。因为这可能是最直接有价值的事情：把基于大型机的系统转换为标准云系统，把 Excel 数据库转换为带有 SQL 的真正数据库，或者把在 Word 和 Excel 中完成的事情转换为更程序化、在经典意义上更高效的东西，人类也可以做。只是软件开发者做这个不划算。
这似乎就是所有人接下来至少几年要用 AI 做的事情，以大规模驱动价值。如果模型能够自己利用工具迁移到别的东西，微软如何融入其中？是的，微软在数据库、存储以及所有其他类别中拥有领导地位，但 Office 生态系统的使用将会显著减少，就像大型机生态系统的使用可能减少一样。实际上大型机在过去二十年里一直在增长，尽管已经没人谈论它们了。它们仍然在增长。
Satya Nadella:
100%，我同意这一点。
Dylan Patel:
那会如何流动？
Satya Nadella:
归根结底，会有相当长一段时间存在一个混合世界，因为人们会使用工具，这些工具会与必须使用工具的智能体协作，它们必须相互通信。我生成的什么工件然后需要人类看到？所有这些东西在任何地方都会是真实的考量，输出、输入。我不认为这仅仅是“哦，我迁移走了”。底线是我必须生活在这个混合世界中。
但这并没有完全回答你的问题，因为可能存在一个真正的新效率前沿，那里只有智能体与智能体协作，完全优化。即使当智能体与智能体协作时，需要哪些原语？你需要存储系统吗？那个存储系统需要具备电子取证吗？你需要可观测性吗？你需要一个身份系统来使用多个模型，而所有模型都共用一个身份系统吗？这些都是我们今天为 Office 系统之类东西所拥有的核心底层轨道。这也是我们未来将会拥有的。
你谈到过数据库。我是说，天哪，我真希望整个 Excel 都有一个数据库后端。我真希望这一切立刻发生。而且那个数据库是个好数据库。事实上，数据库将是一个会增长的大事物。如果我想到所有 Office 产物都能被更好地结构化，由于智能体世界，在结构化和非结构化之间做连接的能力会更好，那将增长底层基础设施业务。恰好，对它的消费全都是由智能体驱动的。
你可以说所有这些都是由一家模型公司即时生成的软件。那也可能成立。我们也会是这样一家模型公司。我们会构建……竞争可能是，我们会构建一个模型加上所有基础设施并把它供给出去，然后那些能做到这一点的一群人之间会有竞争。
MAI
Dwarkesh Patel：
说到模型公司，你说你不仅会有基础设施，还会有模型本身。目前，微软 AI 两个月前发布的最新模型在 Chatbot Arena 中排名第 36。你显然拥有 OpenAI 的知识产权。就你同意这一点而言，它似乎落后了。为什么会这样，尤其是考虑到你理论上拥有分叉 OpenAI 的 monorepo 或蒸馏他们模型的权利，特别是如果拥有一家领先的模型公司是你战略的一大部分？
Satya Nadella：
首先，我们绝对会在我们所有产品中最大限度地使用 OpenAI 模型。这是我们在未来七年里会一直做的核心事情，而且不只是使用它，还要为它增加价值。这就是分析师和这个 Excel 智能体的用武之地，这些都是我们会做的事情，我们会做 RL 微调。我们会在 GPT 家族之上做一些中期训练运行，在那里我们拥有独特的数据资产并构建能力。
对于 MAI 模型，我认为我们思考它的方式是，新协议带来的好消息是，我们可以非常非常清楚地表明，我们将建立一个世界级的超级智能团队，并以很高的雄心去追求它。但与此同时，我们也会利用这段时间，聪明地思考如何使用这两样东西。这意味着，一方面我们会非常以产品为中心，另一方面会非常以研究为中心。因为我们能使用 GPT 家族，我最不想做的就是以一种只是重复、不会增加多少价值的方式使用我的 flops。
我希望能够利用我们用来生成 GPT 家族的 flops 并最大化其价值，同时我的 MAI flops 被用于……让我们以我们发布的图像模型为例，我认为它在图像竞技场中排名第九。我们既把它用于成本优化，它也在 Copilot 上，在 Bing 里，我们会使用它。我们在 Copilot 里有一个音频模型。它有性格之类的。我们为我们的产品优化了它。所以我们会做这些。
即使在 LMArena 上，我们从文本模型开始，它首次亮相时大约排第 13。顺便说一句，它只用了大约 15,000 块 H100 完成。它是一个非常小的模型。所以，这再次是为了证明核心能力、指令遵循以及其他一切。我们想确保我们能匹配当时的最先进水平。这向我们表明，鉴于缩放定律，如果我们给它更多 flops，我们能够做到什么。我们接下来要做的是一个全模态模型，我们会把我们在音频、图像和文本方面所做的工作结合起来。那将是 MAI 方面的下一个停靠点。
所以当我思考 MAI 路线图时，我们将建立一个一流的超级智能团队。我们将继续发布其中一些模型，并公开地做这件事。它们要么会被用在我们产品中，因为它们对延迟友好、对成本友好之类的，要么它们会有某种特殊能力。我们将做真正的研究，以便为在通往超级智能的征途上所需的接下来五、六、七、八个突破做好准备——同时利用我们拥有的、可以在其之上工作的 GPT 家族这一优势。
Dylan Patel：
假设我们向前推进七年，你不再能使用 OpenAI 模型。微软会做什么来确保他们领先，或者拥有一家领先的 AI 实验室？今天，OpenAI 开发了许多突破，无论是缩放还是推理。或者谷歌开发了所有突破，比如 transformers。
但这也是一场人才游戏。你已经看到 Meta 在人才上花费超过 200 亿美元。你已经看到 Anthropic 挖走了谷歌去年整个 Blueshift 推理团队。你已经看到 Meta 挖走了谷歌最近一个庞大的推理和后训练团队。这类人才战争非常资本密集。可以说，如果你在基础设施上花费 1000 亿美元，你也应该在使用基础设施的人身上花费 X 金额的钱，以便他们更高效地做出这些新突破。
人们能有多大信心认为微软会拥有一支世界级、能做出这些突破的团队？一旦你决定打开资金水龙头——你现在有点资本高效，这看起来是聪明的，不浪费钱做重复工作——但一旦你决定你需要，人们怎么能说：“哦对，现在你能冲到前五模型了？”
Satya Nadella：
归根结底，我们将建立一支世界级团队，而且我们已经有一支开始被组建起来的世界级团队。我们有 Mustafa 加入，我们有 Karen。我们有 Amar Subramanya，他在 Gemini 2.5 做了大量后训练，现在在微软。Nando，他在 DeepMind 做了大量多媒体工作，也在那里。我们将建立一支世界级团队。事实上，甚至本周晚些时候，Mustafa 就会发布一些东西，更清楚地说明我们的实验室将去做什么。
我希望世界知道的事情也许是，我们将构建支持多个模型的基础设施。因为从超大规模的角度来看，我们希望构建最大规模的基础设施机群，能够支持世界所需的所有模型，无论是来自开源，还是显然来自 OpenAI 和其他方。这是一项工作。
其次，在我们自己的模型能力方面，我们绝对会在产品中使用 OpenAI 模型，并且我们会开始构建自己的模型。而且我们可能——就像在 GitHub Copilot 中使用 Anthropic 那样——甚至会有其他前沿模型被包装进我们的产品中。我认为每次都是这样……归根结底，产品在满足特定任务或工作时的评估才是重要的。我们会从那里倒推所需的垂直整合，知道只要你能用产品很好地服务市场，你总是可以优化成本。
Dwarkesh Patel：
有一个向前看的问题。现在，我们的模型有训练和推理之间的区分。有人可能会说，不同模型之间的差异越来越小。展望未来，如果你真的期待类似人类水平的智能，人类是在工作中学习的。如果你想想你过去 30 年，是什么让 Satya 的词元如此有价值？是你在微软获得的过去 30 年的智慧和经验。
我们最终会有模型，如果它们达到人类水平，将具备这种在工作中持续学习的能力。至少在我看来，这将为领先的模型公司带来如此多的价值，因为你有一个模型的副本广泛部署在整个经济中，学习如何做每一项工作。而且与人类不同，它们可以把学到的东西合并到那个模型中。所以存在这种持续学习的指数反馈循环，它几乎看起来像某种智能爆炸。
如果那种情况发生，而到那时微软不是领先的模型公司……你是在说，好吧，我们用一个模型替代另一个模型，等等。那这就不那么重要了吗？因为这就像是这一个模型知道如何完成经济中的每一项工作，而长尾中的其他模型则不知道。
Satya Nadella：
你的观点是，如果有一个模型是世界上唯一被最广泛部署的模型，它能看到所有数据并进行持续学习，那就是胜负已定，你可以关门歇业了。至少我所看到的现实是，在当今世界，无论任何一个模型多么占据主导地位，情况都不是这样。以编程为例，就有多个模型。事实上，每一天这种情况都越来越不成立。没有一个模型在被广泛部署。有多个模型在被部署。这就像数据库一样。总是有人说，“能不能有一个数据库被到处使用？”但事实并非如此。有不同类型的数据库被部署用于不同的用例。
我认为持续学习——我称之为数据流动性——会带来一些网络效应，任何单一模型都会拥有这些效应。它会在所有领域发生吗？我不这么认为。它会在所有地区发生吗？我不这么认为。它会在所有细分市场发生吗？我不这么认为。它会在所有类别同时发生吗？我不这么认为。所以因此我觉得设计空间如此之大，有大量的机会。
但你的根本观点是，在基础设施层、模型层和脚手架层都拥有能力，然后能够组合这些东西，不仅仅是作为一个垂直堆栈，而是能够为每个东西的目的来组合它。你不能构建一个针对单一模型优化的基础设施。如果你那样做，万一你落后了怎么办？事实上，你构建的所有基础设施都将成为浪费。你需要构建一个能够支持多个模型家族和谱系的基础设施。否则，你投入的资本——针对一种模型架构优化的——意味着你距离一次调整、某个类似MoE的突破发生，就只有一步之遥，而你整个网络拓扑就付诸东流了。那是件可怕的事情。
因此，你希望基础设施能够支持你自己模型家族和其他模型家族可能出现的任何东西。你必须保持开放。如果你认真对待超大规模业务，你就必须认真对待这一点。如果你认真对待成为一家模型公司，你基本上必须说，“人们可以在模型之上做事情的方式有哪些，以便我能拥有一个ISV生态系统？”除非我认为我会拥有每一个类别，但那根本不可能。那样你就不会有API业务，而根据定义，这意味着你永远不会成为一家成功地在各地部署的平台公司。因此，行业结构就是如此，它将真正迫使人们专业化。在这种专业化中，像微软这样的公司应该在每一层凭借其优势进行竞争，但不要认为这一切都是通往胜负已定的道路，即我只是垂直地组合所有这些层。那根本不会发生。
超大规模业务
Dylan Patel：
所以去年微软有望成为遥遥领先的最大基础设施提供商。你们在2023年是最早行动的，所以你们走出去，在租赁数据中心、开始建设、确保电力等方面获取了所有资源。你们当时有望在2026年或2027年超越亚马逊。当然到2028年你们会超越他们。
自那以后，我们就说去年下半年吧，微软做了一个大暂停，他们放弃了一堆原本要接手的租赁站点，然后谷歌、Meta、亚马逊在某些情况下，还有甲骨文，接手了这些站点。
我们正坐在世界上最大的数据中心之一里，所以显然这不是全部，你们正在疯狂扩张。但有些站点你们就是停止推进了。你们为什么这样做？
Satya Nadella：
这稍微要回到，超大规模业务到底是什么？我们做出的关键决定之一是，如果我们要把Azure打造得对AI的所有阶段——从训练到中期训练到数据生成到推理——都极其出色，我们就需要机群的通用可替换性。所以这整件事基本上导致我们没有去用某一代特定产品构建大量容量。
因为你必须意识到的另一件事是，迄今为止每18个月将各种OpenAI模型的训练容量提升10倍，我们意识到关键是要保持在这条路上。但更重要的是要有平衡，不仅仅要训练，还要能够在世界各地服务这些模型。因为归根结底，货币化的速度才是让我们能够持续投入资金的原因。然后基础设施将需要我们支持多个模型。
所以一旦我们说了情况就是如此，我们就纠正了方向，回到我们现在的道路上。如果我看我们现在的道路，我们现在正在进行更多的开工。我们也在尽可能多地购买托管容量，无论是自建、租赁，甚至是以服务形式购买GPU。但我们是根据我们看到的需求、服务需求和训练需求来建设的。我们不想只是成为一家公司的托管商，只拥有一个客户的大量业务。那不是生意，你应该与那家公司垂直整合。
鉴于OpenAI将是一家成功的独立公司，这很棒。这很合理。甚至Meta也可能使用第三方容量，但最终他们都会是第一方。对于任何拥有大规模的公司，他们自己就会成为超大规模厂商。对我来说，就是要建设一个超大规模机群和我们自己的研究算力。这就是那次调整的内容。所以我感觉非常非常好。
顺便说一句，另一件事是我不想被某一代产品的大规模所困住。我们刚刚看到了GB200，GB300就要来了。等我到Vera Rubin、Vera Rubin Ultra的时候，数据中心看起来会非常不同，因为每机架的功率、每排的功率会非常不同。冷却需求会非常不同。这意味着我不想只是去建设一大堆千兆瓦，只适用于一代、一个家族。所以我认为节奏很重要，通用可替换性和位置很重要，工作负载多样性很重要，客户多样性很重要，这就是我们正在建设的方向。
我们还学到了很多另一件事，就是每个AI工作负载不仅需要AI加速器，还需要很多其他东西。事实上，我们很大一部分利润结构将在那些其他东西中。因此，我们希望把Azure建设得对长尾工作负载极其出色，因为那才是超大规模业务，同时知道我们必须从最高端训练的裸金属开始就极具竞争力。
但那不能挤占业务的其他部分，因为我们不是只做五个客户五个合同的裸金属服务生意。那不是微软的生意。那可能是别人的生意，那是好事。我们已经说过，我们做的是超大规模业务，归根结底是AI工作负载的长尾业务。为了做到这一点，我们将为一系列模型——包括我们自己的——提供一些领先的裸金属即服务能力。我认为，这就是你看到的平衡。
Dylan Patel：
另一个围绕这整个通用可替换性话题的问题。好吧，它不是你想要的位置，你更希望它在一个好的人口中心，比如亚特兰大。我们就在这里。还有一个问题是，随着AI任务的时间跨度增长，这有多重要？推理提示30秒，深度研究30分钟，或者到某个时候软件智能体要几个小时，然后几天等等，与人类交互的时间。为什么它在位置A、B还是C就重要呢？
Satya Nadella：
这是个很好的问题。正是如此。事实上，这就是我们想要思考Azure区域是什么样子以及Azure区域之间的网络是什么的另一个原因。这就是我认为随着模型能力演进和这些词元的使用演进——无论是同步还是异步——你不想处于不利位置的地方。
然后在此之上，顺便说一句，数据驻留法律是什么？有整个欧盟的事情，我们实际上不得不创建一个欧盟数据边界。这基本上意味着你不能随便把一次调用往返到任何地方，即使它是异步的。因此你可能需要一些高密度的区域性设施，然后还有电力成本等等。
但你提出随着我们建设，拓扑结构将不得不演进，这一点你100%正确。第一，就每美元每瓦特的词元数而言。经济性如何？再叠加考虑，使用模式是什么？使用模式在同步、异步方面。但还有计算和存储呢？因为延迟对某些事情可能很重要。存储最好就在那里。如果我有一个Cosmos DB靠近它用于会话数据，甚至用于某个自主的东西，那么它也必须靠近它，等等。所有这些考量都将塑造超大规模业务。
Dylan Patel：
在暂停之前，我们为你预测的是，到2028年你会有12到13吉瓦。现在我们在九点五吉瓦左右。
但还有一件更相关的事——而且我只是想让你更具体地说明，这正是你不想涉足的那门生意——那就是 Oracle 会从规模只有你的 1/5，到 2027 年底变得比你更大。
虽然这不是微软级别的投资资本回报质量，但他们仍然有35%的毛利率。所以问题是，也许做这件事不是微软的业务，但你现在通过拒绝这项业务、通过放弃优先拒绝权等等，创造出了一个超大规模厂商。
Satya Nadella：
首先，我不想抹杀Oracle在建立他们业务方面取得的成功，我祝他们一切顺利。我认为我已经为你回答的一点是，对我们来说，去做一家时间跨度有限RPO的单一模型公司的托管商没有意义。就这么说吧。
你必须想透的不是你在未来五年做什么，而是你在未来50年做什么。我们做出了我们的一系列决定。我对我们的OpenAI合作伙伴关系以及我们正在做的事情感觉非常好。我们有相当不错的业务量。我们祝他们取得巨大成功。事实上，我们是Oracle产能的买家。我们祝他们成功。
但在这一点上，我认为我们试图做的事情的产业逻辑相当清楚，那就是这不是追逐……首先，顺便说一句，我追踪你的东西，无论是AWS还是Google还是我们的，我认为这非常有用。但这并不意味着我必须追逐那些。我必须追逐它们，不仅仅是为了它们在某段时间内可能代表的毛利率。哪些业务是微软能够凭独有能力拿下的，而且拿下这些业务对我们也有意义？那就是我们会做的。
Dwarkesh Patel：
我甚至退一步问一个问题，我接受你的观点，即在其他条件相同的情况下，拥有一个可以从中获得更高利润率的长尾客户，比向少数实验室提供裸金属是更好的业务。但然后有一个问题，行业正在朝哪个方向演进？如果我们相信我们正走在通往越来越聪明的AI的道路上，那么为什么行业的形态不是OpenAI、Anthropic和DeepMind成为长尾企业实际在其上做业务的平台？他们需要裸金属，但他们就是平台。什么是直接使用Azure的长尾？因为你想使用通用认知核心。
Satya Nadella：
但那些模型都将可以在Azure上获得，所以任何说“嘿，我想用某个开源模型和一个OpenAI模型”的工作负载，如果你今天去Azure Foundry，你有所有这些模型可以配置、购买PTU、获得Cosmos DB、获得SQL DB、获得一些存储、获得一些计算。这才是真实工作负载的样子。真实工作负载不仅仅是对模型的一次API调用。真实工作负载需要所有这些东西来构建一个应用或实例化一个应用。
事实上，模型公司需要这些来构建任何东西。这不仅仅是“我有一个词元工厂”。我必须拥有所有这些东西。这就是超大规模业务。而且它不是建立在任何一个模型上，而是所有模型上。所以如果你想要Grok加上，比如说，OpenAI加上一个开源模型，来Azure Foundry，配置它们，构建你的应用。这里有一个数据库。这大概就是这项业务的样子。
有一个单独的业务叫做只向模型公司销售原始裸金属服务。这就是关于你想从事和不从事多少那项业务以及那是什么的争论。那是业务中一个非常不同的细分市场，我们身处其中，我们也有关于它有多少会挤占其余业务的限制。但这至少是我看待它的方式。
Dylan Patel：
这里大概有两个问题。一个是，为什么你不能两者都做？另一个是，鉴于我们对你在2028年产能的估计，它低了三点五吉瓦。当然，你可以把那专门用于OpenAI训练和推理产能，但你也可以把那专门用于实际运行Azure、运行Microsoft 365、运行GitHub Copilot。我本可以只是建好它而不给OpenAI。
Satya Nadella：
或者我可能想在不同的地点建设它。我可能想建在阿联酋，我可能想建在印度，我可能想建在欧洲。其中一件事是，正如我所说，在我们目前有真正产能限制的地方，鉴于监管需求和数据主权需求，我们必须遍布世界各地建设。首先，美国本土产能超级重要，我们想建设一切。
但当我展望2030年时，我对微软的业务形态有一个全球视角，按第一方和第三方划分。第三方按前沿实验室细分，以及他们想要多少，对比我们想为多个模型构建的推理产能，以及我们自己的研究计算需求。所有这些都进入我的盘算。你正确地指出了暂停，但暂停不是因为我们说“哦天哪，我们不想建那个”。我们意识到我们想以略有不同的方式建设我们想建设的东西，既按工作负载类型，也按地理类型和时机。
我们会继续提升我们的吉瓦数，问题是按什么速度和在什么地点。以及我如何在其上驾驭摩尔定律，也就是，我真的想在2027年超额建设三点五吉瓦，还是想把它分散到2027-28年，知道即使……我们甚至与Nvidia最大的学习之一就是他们在迁移方面的步伐加快了。
那是一个很大的因素。我不想在一代产品上被困在四到五年的折旧中。事实上，Jensen给我的建议是两件事。一是，进入光速执行。这就是为什么这个亚特兰大数据中心的执行……我的意思是，从我们拿到它到交付给真实工作负载大约90天。在这方面这是真正的光速执行。我想在这方面变得擅长。
然后这样我就在规模化地建设每一代。然后每五年，你就有更平衡的东西。所以它真的变得像这种大规模工业运营的连续流程，你突然不再失衡，不再是在一个时间建了很多然后因为被困在所有这些中而长时间停顿——正如你所说，在一个地点，那可能对训练很好，或者可能对推理不好，因为我无法服务，即使它全是异步的，因为欧洲不会让我往返到德克萨斯。所以这就是所有的事情。
Dylan Patel：
我如何把这个说法与你过去几周所做的事情合理化？你宣布了与Iris Energy、Nebius和Lambda Labs的交易，还有几个即将到来。你出去确保你从neoclouds租用的产能，而不是自己建设。
Satya Nadella：
这对我们来说没问题，因为现在当你能看到需求时，这些需求可以在人们正在建设的地方得到服务，这很好。事实上我们会接受租赁，我们会接受定制建设，我们甚至会接受GPU即服务，在我们没有产能但我们需要产能而别人有的时候。
顺便说一句，我甚至有点欢迎每一家neocloud都成为我们市场的一部分。因为你想，如果他们把自己的产能带到我们的市场里来，那么通过Azure进来的客户就会使用这家neocloud，这对他们来说是一场巨大的胜利，同时也会使用Azure的计算、存储、数据库以及其他所有东西。所以我完全不认为这是“嘿，我应该把这一切都自己吞下去”。
自研芯片与OpenAI合作
Dwarkesh Patel：
你提到过，这个折旧资产在五六年内会占到数据中心TCO的75%。而Jensen在这上面拿走75%的利润率。所以所有超大规模云厂商都在试图开发自己的加速器，以便降低这项压倒性的设备成本，从而提高自己的利润率。
Dylan Patel：
而当你看看他们各自的进展时，Google远远领先于其他所有人。他们做这件事的时间最长。
他们将会制造大约五到七百万颗自己的TPU。你看看Amazon，他们正试图制造三到五百万颗[生命周期出货量]。但当我们看Microsoft正在订购的自家芯片时，这个数字远低于那个水平。你们的项目开展的时间也一样长。你们内部芯片到底是怎么回事？
Satya Nadella：
这是个好问题。有几点。第一点是，对任何新加速器来说，最大的竞争对手甚至可以说是上一代的Nvidia。在一个服务器集群里，我要看的是整体TCO。我设定的门槛，即使是对我们自己的……顺便说一句，我刚才正在看Maia 200的数据，看起来很棒，只不过我们在计算这一侧也学到的一件事是……我们曾经有大量Intel，然后我们引入了AMD，接着我们又引入了Cobalt。我们就是这样扩展的。至少在核心计算方面，我们有很好的存在性证明，说明如何构建自己的芯片，然后管理一个三者以某种平衡共同发挥作用的服务器集群。
因为顺便说一句，就连Google也在买Nvidia，Amazon也是。这很合理，因为Nvidia在创新，而且它是通用型的东西。所有模型都能在它上面运行，客户需求也在那里。因为如果你构建自己的垂直专用东西，你最好有自己的模型，要么用于训练，要么用于推理，而且你必须为它创造自己的需求，或者补贴对它的需求。因此你要确保自己以适当的规模来扩展它。
我们要做这件事的方式，是让我们自己的MAI模型和我们的芯片之间形成闭环，因为我觉得这才是让你有资格做自己芯片的先天权利，也就是你真正按照自己在做的事情设计了微架构，然后跟上自己模型的步伐。就我们而言，好消息是OpenAI有一个项目，我们可以使用。所以，认为Microsoft不会拥有某种——
Dylan Patel：
你对那个项目有多大的访问权限？
Satya Nadella：
全部。
Dylan Patel：
你直接拿到所有这些的知识产权？所以你没有的唯一知识产权就是消费级硬件？
Satya Nadella：
就是这样。
Dylan Patel：
哦，好吧。有意思。
Satya Nadella：
顺便说一句，我们也给了他们一堆知识产权来帮助他们起步。这是他们……的原因之一。因为我们一起构建了所有这些超级计算机。我们为他们构建了它，他们从中受益，这是他们应得的。而现在随着他们创新，即使在系统层面，我们也能访问所有这些。我们首先想把他们构建的东西为他们实例化出来，但之后我们会扩展它。
所以如果说有什么的话，我对你这个问题的思考方式是，Microsoft想成为Nvidia的一个极好的、我会称之为光速执行合作伙伴。因为坦率地说，那个服务器集群就是生命本身。显然Jensen凭借他的利润率做得非常好，但TCO有很多维度，我想在这方面做到出色。除此之外，我希望能够真正与OpenAI谱系和MAI谱系以及系统设计合作，同时知道我们在两端都拥有知识产权。
Dwarkesh Patel：
说到权利，你几天前接受了一次采访，你在采访中说，在你与OpenAI达成的新协议中，你拥有对OpenAI所进行的无状态API调用的权利，也就是排他性。我们当时有点困惑，到底有没有任何状态。你刚才提到，所有这些正在出现的复杂工作负载都将需要内存、数据库、存储等等。如果ChatGPT在会话中存储东西，那现在不就不是无状态了吗？
Satya Nadella：
这就是原因。我们做出的战略决定，同时也照顾到了OpenAI为了能够采购计算所需的灵活性……本质上，可以把OpenAI看作拥有一项PaaS业务和一项SaaS业务。SaaS业务是ChatGPT。他们的PaaS业务是他们的API。那个API是Azure独占的。SaaS业务，他们可以在任何地方运行。
Dylan Patel：
而且他们可以和他们想合作的任何人合作来构建SaaS产品？
Satya Nadella：
如果他们想要一个合作伙伴，而那个合作伙伴想使用无状态API，那么Azure就是他们可以获得无状态API的地方。
Dylan Patel：
看起来他们有办法一起构建产品，而这是一个有状态的东西……
Satya Nadella：
不，即使是那样，他们也得来Azure。再说一次，这是本着“作为我们合作关系的一部分，我们看重的是什么”的精神来做的。同时我们也确保，考虑到OpenAI所需的所有灵活性，我们是他们的好伙伴。
Dylan Patel：
所以举个例子，Salesforce想整合OpenAI。不是通过API。他们实际上一起合作，一起训练一个模型，然后部署在，比如说，现在Amazon上。这是允许的，还是他们必须使用你们的……
Satya Nadella：
对于任何像那样的定制协议，他们都必须来运行它……有一些少数例外，比如美国政府等等，是我们做出的，但除此之外，他们都得来Azure。
资本支出的爆炸式增长
Dwarkesh Patel：
退一步说，当我们在工厂里来回走动时，你谈到的一件事是，Microsoft可以被看作一家软件企业，但现在它真的正在变成一家工业企业。有这么多资本支出，有这么多建设。如果你只看过去两年，你们的资本支出差不多增长到了三倍。也许你把它外推到未来，它实际上就变成了这种巨大的工业爆炸。
Dylan Patel：
其他超大规模云厂商正在贷款。Meta在路易斯安那做了一笔200亿美元的贷款。他们做了一笔公司贷款。看起来很明显，每个人的自由现金流都将归零，我敢肯定如果你哪怕尝试这么做，Amy都会把你狠狠训一顿，但到底发生了什么？
Satya Nadella：
我认为你提到的结构性变化是巨大的。我把它描述为，我们现在既是一家资本密集型企业，也是一家知识密集型企业。事实上，我们必须用我们的知识来提高资本支出的ROIC。
硬件厂商在营销摩尔定律方面做得非常出色，我认为这令人难以置信，也很棒。但如果你甚至看看我在我的财报电话会上做的一些统计，对于某个给定的GPT家族，我们在每美元每瓦特所能获得的词元吞吐量方面，软件改进的季度环比、年度同比是巨大的。是5倍、10倍，在某些情况下也许是40倍，仅仅是因为你可以如何优化。这就是知识密集度带来的资本效率。在某种程度上，这就是我们必须掌握的东西。
有些人问我，经典的老式托管商和超大规模云厂商之间有什么区别？软件。是的，它是资本密集型的，但只要你拥有系统方面的专有技术、软件能力，能够按工作负载、按服务器集群进行优化……这就是为什么当我们说可替代性时，其中包含如此多的软件。这不仅仅是关于服务器集群。
它是驱逐一个工作负载然后调度另一个工作负载的能力。我能不能管理那种调度算法？这就是我们必须做到世界级的那类事情。所以是的，我认为我们仍将是一家软件公司，但是的，这是一项不同的业务，我们会管理好它。归根结底，Microsoft拥有的现金流让我们能够让这两条臂膀都良好运转。
Dwarkesh Patel：
看起来在短期内，你更相信事情会花上一段时间，会更加崎岖不平。但也许从长期来看，你认为那些谈论AGI和ASI的人是对的。Sam最终会是对的。
我有一个更宽泛的问题，关于对一家超大规模云厂商来说，什么才是合理的做法，因为你必须在这件五年内就会折旧的东西上投入巨资。所以，如果你对这类事情的2040年时间线，对应的是像Sam那样的人所预期的三年，那么在那个世界里，你做什么是合理的？
Satya Nadella：
需要有一块配置，我称之为研究算力。这需要像你做研发那样来做。坦白说，这甚至是最好的记账方式。我们应该把它就当作研发费用，你应该问：“研究算力是多少，你想怎么扩展它？”我们甚至可以说，在某个时期它要扩展一个数量级。你自己选，是两年？是16个月？随你。这算是一块，是入场门槛，是研发费用。
其余全都是需求驱动的。归根结底，你可以超前于需求建设，但你最好有一个不会完全失衡的需求计划。
Dwarkesh Patel：
你会买吗……这些实验室现在预测2027–28年收入将达到1000亿美元，而且他们预测收入会继续以每年3倍、2倍的速度增长……
Satya Nadella：
现在市场上有各种各样的激励，而且理应如此。你指望一个试图融资的独立实验室怎么做？他们必须抛出一些数字，这样他们才能真正去融资，以便支付算力账单之类的开销。
这是好事。总会有人承担一些风险投进去，而他们已经展现出了势头。并不是说全是风险，而看不到他们一直表现不错的事实，无论是OpenAI还是Anthropic。所以我对他们所做的一切感觉很好，而且我们和这些家伙有着巨大的业务往来。所以这一切都很好。
但总体而言，归根结底，有两件简单的事。一是你必须为研发配置资源。你提到了人才。AI人才价格高昂。你必须在那上面花钱。你必须在算力上花钱。所以从某种意义上说，研究员与GPU的比例必须很高。这大概就是在这个世界里成为领先研发公司所需要的。而这是需要扩展的，你必须有一张资产负债表，让你能在它成为共识之前很久就扩展它，诸如此类。这算是一件事。但另一件事全在于懂得如何预测。
世界会信任美国公司来引领AI吗？
Dylan Patel：
当我们放眼世界，美国主导了许多技术栈。美国通过微软拥有Windows，它甚至部署在中国，那是主要的操作系统。当然，还有开源的Linux，但Windows在中国各地的个人电脑上都有部署。你看看Word，它到处都有部署。你看看所有这些各种各样的技术，它们到处都有部署。而微软和其他公司在其他地方也发展壮大了。他们在欧洲、印度，在所有这些其他地方，在东南亚、拉美和非洲建设数据中心。在所有这些不同的地方，你都在建设产能。
但这看起来相当不同。今天，技术、算力的政治层面……美国政府当年不在乎互联网泡沫。看起来美国政府，以及世界上所有其他政府，都非常在乎AI。问题是，我们某种程度上处在一个两极世界里，至少就美国和中国而言是这样，但欧洲、印度和所有其他这些国家都在说：“不，我们也要有主权AI。”
微软如何应对从90年代——那时世界上只有一个国家重要，那就是美国，我们的公司到处销售，因此微软获益巨大——到一个两极世界的差异？在那个世界里，微软不一定就有权赢得整个欧洲或印度或新加坡。实际上存在着主权AI的努力。你在这里的思路是什么，你怎么看待这件事？
Satya Nadella：
这是极其关键的一块。我认为美国科技行业和美国政府的关键、关键优先事项，是确保我们不仅做领先的创新工作，而且我们共同在世界各地围绕我们的技术栈建立信任。因为我总是说，美国是一个令人难以置信的地方。它在历史上独一无二。它占世界人口的4%，GDP的25%，市值的50%。我认为你应该想想这些比例并反思一下。
那50%之所以发生，坦白说，是因为世界对美国怀有信任，无论是对其资本市场，还是对其技术，以及它在任何特定时期对领先行业重要事务的管理。如果这一点被破坏，那对美国来说就不是好日子。我们从这一点出发，我认为特朗普总统懂这一点，白宫、David Sacks，所有人，我认为，都懂。
因此，我赞赏美国政府与科技行业共同做的任何事情，比如，作为一个行业集体，在世界每一个地方让我们的资本承担风险。我希望美国政府能为美国公司在世界各地的外国直接投资邀功。这是最少被谈论的，但美国应该做的最好的营销是：不仅仅是有外国直接投资流入美国，而且最领先的行业，也就是这些AI工厂，正在世界各地被创建。由谁创建？由美国和美国公司。
所以你从那里开始，然后你甚至围绕它建立其他协议，这些协议关乎它们的连续性、它们正当的主权关切，关乎数据驻留，让它们拥有真正的自主权和隐私保障，等等。事实上，我们对欧洲的承诺值得一读。我们对欧洲做出了一系列承诺，说明我们将如何治理我们在那里的超大规模投资，以便欧盟和欧洲国家拥有主权。
我们还在法国和德国建设主权云。我们在Azure上有一个叫主权服务的东西，它实际上为人们提供密钥管理服务以及机密计算，包括GPU中的机密计算，这是我们与Nvidia一起做的出色的创新工作。所以我对能够在技术上和通过政策建立对美国技术栈的这种信任感觉非常、非常好。
Dwarkesh Patel：
随着你在模型层面拥有持续学习之类的网络效应，你怎么看这件事的演变？也许你在超大规模云厂商层面也有对等的东西。你预期各国会说：“看，很明显一个或几个模型是最好的，所以我们要用它们，但我们要有一些法律，要求权重必须托管在我们国家”？还是你预期会有这种推动，要求必须是在我们国家训练的模型？
也许这里的一个类比是，半导体对经济非常重要，人们希望拥有自己的主权半导体，但台积电就是更好。而半导体对经济如此重要，以至于你就是会去台湾买半导体。你不得不这样。AI会像那样吗？
Satya Nadella：
归根结底，重要的是AI在他们经济中的使用，以创造经济价值。这就是扩散理论，最终，起作用的不是领先行业，而是使用领先技术来创造你自己的比较优势的能力。所以我认为那从根本上将是核心驱动力。
但话虽如此，他们会希望这种连续性。所以从某种意义上说，这就是为什么我相信，总会对“嘿，这一个模型能拥有所有失控的部署吗？”有一种制衡。这就是为什么开源总会存在。按定义，会有多个模型。那将是一种方式。那是人们要求连续性、避免集中度风险的一种方式，换句话说。
所以你说：“嘿，我想要多个模型，然后我想要一个开源的。”我觉得只要这一点存在，每个国家都会觉得：“好吧，我不必担心部署最好的模型并广泛扩散，因为我总是可以拿走我的数据和我的流动性，把它转移到另一个模型，无论是开源的还是来自另一个国家的，等等。”集中度风险和主权，其实就是自主权，这两件事将驱动市场结构。
Dylan Patel：
关于这一点的问题是，半导体并不存在这种情况。所有冰箱、汽车都有台湾制造的芯片。
Satya Nadella：
直到现在才存在。
Dylan Patel：
即便如此，如果台湾被切断，就不会再有汽车，也不会有冰箱。TSMC Arizona 并不能替代任何实质性的产能。主权在某种程度上可以说是个骗局。拥有它是值得的，拥有它很重要，但它不是真正的主权。我们是一个全球经济。
Satya Nadella：
我觉得这有点像在说：“嘿，到了这个地步，我们对韧性意味着什么、需要做什么，什么都没学到。”任何民族国家，包括美国，到了这个地步都会尽其所能，在一些关键供应链上变得更加自给自足。
所以，作为一家跨国公司，我必须把这当作一等要求来考虑。如果我不这样做，那我就是不尊重那个国家长期的政策利益所在。我不是说他们在短期内不会做出务实的决定。绝对地，全球化不可能就这样被倒回去。所有这些资本投资不可能以那样的方式、那样的速度来完成……但与此同时，想想看，如果有人跑到华盛顿说：“嘿，我们不打算建任何半导体工厂了，”他们会被赶出美国。在其他每个国家也一样。
所以，作为公司，我们必须尊重吸取到的教训，无论是疫情把我们唤醒还是别的什么。但尽管如此，人们在说：“看，全球化太棒了。它帮助供应链实现全球化并变得超级高效。但有一种东西叫韧性，我们想要韧性。”所以这个特性会被构建出来。
以什么速度，我想，这就是你要说的重点。你不能打个响指就说现在所有台积电工厂都带着全部能力搬到亚利桑那了。它们不会的。但有没有计划？会有计划的。我们应该尊重这一点吗？绝对应该。所以我觉得这就是世界。我想在世界所在之处、以及它未来想做什么的基础上与它相遇，而不是说：“嘿，我们有一个不尊重你观点的观点。”
Dwarkesh Patel：
只是为了确保我理解正确，这里的想法是每个国家都会想要某种数据驻留、隐私等等。而微软在这方面尤其有优势，因为你与这些国家有关系，你在建立这类主权数据中心方面有专长。因此，微软特别适合一个主权要求更多的世界。
Satya Nadella：
我不想把它描述成我们 不知怎么地特别有优势。我只想说，我把它看作一项业务要求，我们这几十年一直在做所有这些艰苦的工作，而且我们计划继续做。
所以我对 Dylan 之前那个问题的回答是，我认真对待——无论是在美国，还是当白宫和美国政府说“我们希望你把更多的晶圆开工量分配给美国的晶圆厂”——我们认真对待。或者无论是数据中心和欧盟边界，我们都认真对待。所以对我来说，尊重各国关心主权的正当理由，并为此构建软件和实体设施，这就是我们要做的。
Dylan Patel：
随着我们走向两极世界——美国、中国——这不仅仅是你对亚马逊，或者你对 Anthropic，或者你对谷歌。有一大堆竞争。美国如何重建信任？你做什么来重建信任？来说“实际上，不，美国公司将是你的主要供应商。”以及你如何看待与新兴中国公司的竞争，无论是字节跳动和阿里巴巴，还是Deepseek和Moonshot？
Dwarkesh Patel：
补充一下这个问题，一个担忧是我们在谈论 AI 如何变成这场工业资本支出竞赛，你必须迅速在各类供应链上快速建设。当你听到这些，至少到目前为止，你只会想到中国。这是他们的比较优势。尤其是如果我们明年不会直奔 ASI，而是会有几十年的建设和基础设施，你如何应对中国的竞争？他们在那个世界里是有优势的吗？
Satya Nadella：
这是个好问题。事实上，你刚刚指出了为什么对美国科技的信任可能是最重要的特性。甚至可能不是模型能力。而是：“我能信任你，这家公司吗？我能信任你，你的国家及其制度，作为一个长期供应商吗？”那可能才是赢得世界的东西。
Dwarkesh Patel：
这是个很好的结尾。Satya，感谢你做这次访谈。
Satya Nadella：
非常感谢。
Dylan Patel：
谢谢。
Satya Nadella：
太棒了。你们俩真是个好团队。
本文由 AI 翻译。